Development of a concussion perceptions questionnaire
Notice bibliographique
Résumé
The prevalence and consequences of concussion injury have given impetus to efforts to curb concussion injury and reduce long-term effects through public awareness and education campaigns directed at concussion beliefs. The field lacks a standardized instrument to measure concussion beliefs. We report on the development of a concussion perceptions questionnaire (CPQ). We base the CPQ on the Common Sense Model (CSM) of Illness Representation. The CSM is a systems approach to self-regulation, which posits that processing of internal and external stimuli prompt mental and emotional representations of health that guide coping and prevention behaviours, which are then appraised relative to valued outcomes. Items were modified from the Illness Perceptions Questionnaire - Revised. We validated the CPQ using attitudes and intentions items towards protective behaviour derived from a review of the literature, concussion programs and the authors’ personal experience and knowledge of concussion injury in sporting contexts. To examine scale structure, we administered items (38) to a sample of 243 undergraduate students (20y, 87% women, 28% athletes, 34% concussion exposure). We validated the scale with items examining attitudes and intentions toward prevention behaviours. We used principal components analysis to examine scale structure, item loading and model fit. Reliability coefficients were subsequently generated for identified subscales. Analysis yielded seven subscales consistent with the dimensions identified in previous research (personal and treatment control, timeline, cyclicality, understanding, consequences, emotions) accounting for 67 percent of the variance. Item loadings (all > .56) and communalities (all >.44) were satisfactory. Cronbach’s alpha was acceptable (>.71) for all but the personal control subscale (.61). Factor scores were related to attitudes and intentions towards protective behaviours in predictable ways. The CPQ provides a theoretical informed, empirically sound and efficient base for conducting research and evaluating concussion beliefs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».